百度站长学院前几天公布了一个案例，里面提到一些细节，特别值得站长重视。
它这个页面对爬虫爬取做的优化，直接将图片二进制内容放到了html中导致页面长度过长，大小164K，导致内容不被百度收录。
网站如果针爬虫做优化，那么网页的长度最要在128K以内，不要过长。不然爬虫抓取内容后，页面内容过长被截断，已抓取部分无法识别到主体内容，最终导致页面被认定为空短而不收录。
言下之意，这可能是百度技术缺陷导致，如果网页在128K以上，爬虫无法抓取就无法收录。如果各位站长的网站内容过长，尽量删除一部分不太重要的信息，以保证内容收录。
百度工程师建议：
1、不建议站点使用js生成主体内容，如js渲染出错，很可能导致页面内容读取错误，页面无法抓取
2、 如站点针对爬虫爬取做优化，建议页面长度在128k之内，不要过长
3、针对爬虫爬取做优化，请将主题内容放于前方，避免抓取截断造成的内容抓取不全
痕风的起点
专注于互联网资讯、中央空调、Windows、wordpress、建站技术、软件应用等相关网络资源的分享。
评论